中圖網小程序
一鍵登錄
更方便
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
TensorFlow深度學習(原書第2版) 版權信息
- ISBN：9787111646617
- 條形碼：9787111646617 ; 978-7-111-64661-7
- 裝幀：平裝-膠訂
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
TensorFlow深度學習(原書第2版) 本書特色
《TensorFlow深度學習（原書第2版）》深入介紹了如何使用 TensorFlow 構建深度學習應用，從實踐的角度講解深度學習知識。本書主要內容包括深度學習入門，介紹了機器學習和深度學習的基礎知識； TensorFlow的主要特性，以及 TensorFlow的安裝與配置，通過示例進行 TensorFlow計算、數據和編程模型的學習；基于TensorFlow的前饋神經網絡、卷積神經網絡、優化 TensorFlow自編碼器以及循環神經網絡。此外，《TensorFlow深度學習（原書第2版）》還介紹了關于異構和分布式計算的內容，學習如何在GPU板卡和分布式系統上執行TensorFlow模型。在TensorFlow高級編程部分對TensorFlow基本庫進行了概述。末尾，本書介紹了基于因子分解機的推薦系統以及強化學習。
TensorFlow深度學習(原書第2版) 內容簡介
1.介紹了深度學習的核心概念，并采用了*新版本的TensorFlow。
2.深入講解了如何使用 TensorFlow 構建深度學習應用，從實踐的角度講解了深度學習知識。
3.學習如何利用前饋神經網絡、卷積神經網絡、循環神經網絡、自編碼器和因子分解機為機器學習系統開發深度學習應用程序，并了解如何在GPU上實現分布式深度學習程序設計。
4.既討論了許多實際技術問題，也簡要介紹了一些問題的理論基礎。
TensorFlow深度學習(原書第2版) 目錄
譯者序
原書前言
作者簡介
評閱人簡介
第 1章 深度學習入門 // 1
1.1 機器學習簡介 // 1
1.1.1 監督學習 // 3
1.1.2 不平衡數據 // 4
1.1.3 無監督學習 // 4
1.1.4 強化學習 // 5
1.1.5 什么是深度學習 // 6
1.2 人工神經網絡 // 7
1.2.1 生物神經元 // 8
1.2.2 人工神經元 // 9
1.3 人工神經網絡是如何學習的 // 10
1.3.1 人工神經網絡與反向傳播算法 // 10
1.3.2 權重優化 // 11
1.3.3 隨機梯度下降 // 11
1.4 人工神經網絡架構 // 12
1.4.1 深度神經網絡 // 12
1.4.2 卷積神經網絡 // 15
1.4.3 自編碼器 // 17
1.4.4 循環神經網絡 // 18
1.4.5 新興架構 // 18
1.5 深度學習框架 // 18
1.6 小結 // 21
第 2章 TensorFlow初探 // 22
2.1 TensorFlow概述 // 22
2.2 TensorFlow v1.6的新特性 // 23
2.2.1 支持優化的 NVIDIA GPU // 24
2.2.2 TensorFlow Lite簡介 // 24
2.2.3 動態圖機制 // 25
2.2.4 優化加速線性代數 // 25
2.3 TensorFlow安裝與配置 // 25
2.4 TensorFlow計算圖 // 26
2.5 TensorFlow代碼結構 // 29
2.5.1 TensorFlow下的動態圖機制 // 31
2.6 TensorFlow數據模型 // 32
2.6.1 張量 // 32
2.6.2 秩與維度 // 34
2.6.3 數據類型 // 35
2.6.4 變量 // 38
2.6.5 Fetches // 39
2.6.6 Feeds和占位符 // 39
2.7 基于 TensorBoard的可視化計算 // 41
原書前言
作者簡介
評閱人簡介
第 1章 深度學習入門 // 1
1.1 機器學習簡介 // 1
1.1.1 監督學習 // 3
1.1.2 不平衡數據 // 4
1.1.3 無監督學習 // 4
1.1.4 強化學習 // 5
1.1.5 什么是深度學習 // 6
1.2 人工神經網絡 // 7
1.2.1 生物神經元 // 8
1.2.2 人工神經元 // 9
1.3 人工神經網絡是如何學習的 // 10
1.3.1 人工神經網絡與反向傳播算法 // 10
1.3.2 權重優化 // 11
1.3.3 隨機梯度下降 // 11
1.4 人工神經網絡架構 // 12
1.4.1 深度神經網絡 // 12
1.4.2 卷積神經網絡 // 15
1.4.3 自編碼器 // 17
1.4.4 循環神經網絡 // 18
1.4.5 新興架構 // 18
1.5 深度學習框架 // 18
1.6 小結 // 21
第 2章 TensorFlow初探 // 22
2.1 TensorFlow概述 // 22
2.2 TensorFlow v1.6的新特性 // 23
2.2.1 支持優化的 NVIDIA GPU // 24
2.2.2 TensorFlow Lite簡介 // 24
2.2.3 動態圖機制 // 25
2.2.4 優化加速線性代數 // 25
2.3 TensorFlow安裝與配置 // 25
2.4 TensorFlow計算圖 // 26
2.5 TensorFlow代碼結構 // 29
2.5.1 TensorFlow下的動態圖機制 // 31
2.6 TensorFlow數據模型 // 32
2.6.1 張量 // 32
2.6.2 秩與維度 // 34
2.6.3 數據類型 // 35
2.6.4 變量 // 38
2.6.5 Fetches // 39
2.6.6 Feeds和占位符 // 39
2.7 基于 TensorBoard的可視化計算 // 41
展開全部
TensorFlow深度學習(原書第2版) 作者簡介
Giancarlo Zaccone在管理科學和工業領域已有十多年的研究經驗。Giancarlo曾在意大利國家研究委員會的CNR擔任研究員。作為數據科學和軟件工程項目的一部分，他在數值計算、并行計算和科學可視化方面積累了豐富經驗。目前，Giancarlo是一家總部位于荷蘭的公司的一名軟件和系統高級工程師，主要負責測試和開發太空和國防應用軟件系統。Giancarlo擁有那不勒斯Federico II大學的物理學碩士學位和羅馬La Sapienza大學的科學計算二級研究生碩士學位。
Md. Rezaul Karim是德國Fraunhofer FIT的一名研究科學家。目前在德國亞琛工業大學攻讀博士學位。Rezaul曾在愛爾蘭的數據分析中心擔任研究員。在此之前，還曾在三星電子擔任首席工程師。另外，還在韓國京熙大學的數據庫實驗室擔任研究助理，并在韓國的BMTech21公司擔任研發工程師。Rezaul擁有9年多的研發經驗，對C、C 、Java、Scala、R和Python中的算法理解和數據結構有著堅實的基礎。Rezaul已發表多篇有關生物信息學、語義網絡、大數據、機器學習和利用Spark、Kafka、Docker、Zeppelin、Hadoop和MapReduce實現深度學習的研究論文和技術報告。Rezaul還精通（深度）機器學習庫，如Spark ML、Keras、scikit-learn、TensorFlow、DeepLearning4j、MXNet和H2O。
書友推薦
- >
朝聞道
- >
唐代進士錄
- >
推拿
- >
中國人在烏蘇里邊疆區:歷史與人類學概述
- >
伯納黛特,你要去哪(2021新版)
- >
史學評論
- >
伊索寓言-世界文學名著典藏-全譯本
- >
我從未如此眷戀人間
本類暢銷
